五分快三的官网网址

网站导航网站地图
当前位置:首页 > 公告通知
教育大数据,想说爱你不容易
发布时间:2019-08-01 14:49:18   浏览次数:142
【字体: 】   【关闭窗口】  【打印该页】
教育大数据,想说爱你不容易

近两年,“大数据”在教育领域日益成为热点名词,和“在线教育”相呼应。从今年新东方、学大等教育机构发布的教育产品来看,几乎每一款产品都会提到大数据。既然如此受到重视,那么在当下教育领域,“大数据”有何特点?又有何作为?

专家指出,目前国内教育领域的“大数据”仍处于概念阶段,大家都在起步和探索过程中,尚无比较成功的大数据应用案例,不少大数据应用也都处于较浅的层次。不过,随着教育大数据的不断积累和深入发展,“大数据”必将有利于我们的个性化教育,对教学和管理产生深刻影响。

随着“大数据”概念不断升温,教育行业如今也被认为是大数据可以大有作为的一个重要应用领域。几乎每家不甘落后的教育机构都在拥抱大数据,把大数据当作在激烈竞争中脱颖而出的秘密武器。

“其实,十几年前我们就在做数据仓库和数据挖掘。如今大数据这个概念兴起,主要基于两点,一是数据海量增长,处理样本数变多;二是物理运算能力增强,给处理海量数据带来可能。”在计算机博士、朗播网CEO杜昶旭看来,大数据既没有那么神秘,但也不像有些人想象得那么简单。

干扰性数据多 影响统计分析精度

杜昶旭认为,与其他行业的大数据相比,教育行业大数据目前数据量比较小,教育数据噪声也比较高。他解释,目前在线教育不像电商,用户数量庞大,数据可以累积到海量。而且教育垂直属性特别明显,大量数据会分流向不同垂直领域。

而不同垂直领域之间的数据融合度比较低,比如语文和数学的数据很难放到一起来分析;数据噪声简单讲指干扰性数据、无用数据,比如录播视频,用户行为很简单,有暂停、关闭、重看等等,但是这些操作的原因很多,并不一定是没看懂内容,所以干扰性数据非常多,数据统计分析的精度会受影响。

“此外,教育数据标准化程度非常低。数据大致可分为结构化数据和非结构化数据。以描述人一个人打比方,结构化数据就是人的身高、体重、性别;非结构化数据则可以是人的声音、照片等。”杜昶旭说,很多教育数据比如视频数据、语音数据等都是非结构化数据,数据模型构建会比较复杂,“所以,教育大数据需要解决数据量和数据处理的问题。”

优质技术分析 要有一流试题保障

互联网教育研究院院长吕森林也指出,教育大数据分析并不是有数据就可以,如果数据中有很多垃圾数据,那么分析得出的结论也可能是垃圾结论。

“比如题库类产品,一道题可能需要20多个指标来分辨学生各方面的情况,如区域、学科、难度、知识点等等,如果试题质量比较低,区分度比较低,那做大数据分析的意义就不会太大。此外,现在的大数据分析多集中在选择、判断等客观题,对带有步骤的主观题、作文等进行统计分析则有更高难度。”因此,题库的大数据分析看起来比较简单,但实际上技术、资金门槛都比较高。

业内点评

“习”比“学”更易采集和分析

那么,教育大数据可以发挥怎样的作用呢?大数据研究专家、上海海事大学经济管理学院副教授魏忠认为,大数据技术的应用将有利于个性化教育,标准化的学习内容由学生自己组织学习,学校和教师更多的是关注学生的个性化培养,教师由教学者逐渐转变为助学者。

“重要的是数据背后的那个人。”微课网副总裁夏明瑞以历史学科视频课程为例,如果用户观看几分钟就关掉了,以后再没看过,那就要关注用户的这种行为数据。他关掉的原因大致可能有两种:一种是学得非常好,另一种是学得不好,看不懂。单节课的数据可能不够精准,但对整个课程体系的数据进行统计分析之后就会相对精准了。

杜昶旭则认为,目前“学”的过程采集数据的难度较大,“习”的过程采集和分析数据会相对容易一些。“今年我们推出了能力图谱,通过对学生行为数据进行诊断,看看学生的问题到底在哪里,然后基于能力缺陷推送需要完成的训练任务,提高学生学习效率。”杜昶旭说,这种大数据分析既能帮助学生个性化学习,也能帮助老师进行个性化教学。

专家说法

大数据适应个性化学习

魏忠,数据研究专家、上海海事大学经济管理学院副教授魏忠

人们对大数据的理解有很多,目前我倾向于把大数据理解为全量数据。

科学研究最简单的是抽样方式,然后进行推导,后来人们发现这有很大问题,于是就有了统计学,用概率来解决问题。但是抽样的量一旦到了一定程度之后,并不一定是越大越精准,什么样的量是最好的,就需要考量。而如果把全量的数据都拿来进行分析,那肯定是最准确的,而所谓大数据应该是全量数据。

这种大数据与传统的数据相比,具有非结构化、分布式、数据量巨大、数据分析由专家层变化为用户层、大量采用可视化展现方法等特点,这些特点正好适应了个性化和人性化的学习变化。传统数据诠释的是宏观的教育状况、整体的学生水平,且其采集方法、内容归类、分析构成等已被摸索出一套成熟的标准,数据更多是在阶段性的评估中获得。而大数据更关注微观、个体层面,要求时时处处采集信息,全面客观记录信息,大量采用可视化展现方法等等,帮助信息收集方获取精准材料。